Les effets physiopathologiques du sport à haut niveau sur le système cardio-vasculaire
Bibliographic record
Abstract
Introduction : les maladies cardiovasculaires font parties des pathologies les plus mortelles devant le cancer et les accidents vasculaire cérébraux. Nous savons quâune hygiène de vie la plus saine possible diminue le risque de décès. Une alimentation équilibrée et la pratique régulière dâactivité physique sont recommandées. Chez les sportifs de haut niveau la prévalence des accidents cardiaques restent faible mais câest un événement émotionnellement dramatique et surtout très médiatisés. Les évolutions du sport entraînent des modifications physiopathologiques sur le système cardiovasculaire que nous décrirons à travers cette étude. Méthode : La recherche dâarticles a été effectuée dans deux bases de données (PubMed et Scopus). Les articles ont été triés manuellement et leur validité a été évaluée grâce à lâéchelle Newcastle-Ottawa. Résultats : Dix-sept articles ont été retenus. Sept articles étant des cohort study,9 étaient des case-control et 1 étude transversale. Conclusion : Les adaptations sont lâaugmentation de la pression artérielle, lâhypertrophie ventriculaire droite/gauche, la présence dâune repolarisation précoce et lâarythmie. Lâassociation de ces événements donne ce quâon appelle le cÅur de lâathlète. Ce dernier présente des similitudes avec les pathologies cardiovasculaires. Il est conseillé pour les sportifs de faire un examen clinique, un ECG, un interrogatoire et de regarder les antécédents familiaux avant de pratiquer du sport. Il est préférable de renouveler ces conseils chaque saison pour contrôler les changements.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.005 | 0.004 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".